作者|马迪尔编辑|文君实习设计|周一琪图片来源|视觉中国Pexels。
20世纪70年代初，斯坦福大学的学生开发了“斯坦福车”，它可以利用摄像头和早期的人工智能系统绕过障碍物。它被公认为第一款“自动驾驶”汽车。
自1886年卡尔本茨制造世界上第一辆三轮汽车的那一天起，一个多世纪以来，人们一直梦想着自动驾驶汽车。
1886年，随着人工智能、机器视觉等技术的不断发展，科学家们开始在汽车上探索更多的可能性，并将人工智能、视觉计算、雷达、监控装置和全球定位系统等技术应用到汽车升级改造中，自动驾驶终于诞生。
自动驾驶是指汽车不依靠人的控制自行行驶。在这个过程中，需要实现汽车的多项复杂功能，如识别复杂路况、遵守交通规则、及时处理突发情况等。自动驾驶汽车需要三种独立的能力，包括感知、预测和驾驶策略，即知道周围世界正在发生什么，确定下一步会发生什么，并采取适当的行动。摄像头、雷达和激光雷达等传感器相辅相成，帮助汽车感知世界。其中，雷达和激光雷达利用不可见光脉冲绘制周边区域的高精度3D地图，包括道路中的标记、距离和细节。传感器采集到的好数据需要传输到汽车的中央处理器进行处理，从而识别障碍物、可行道路等。最后根据识别结果规划路线，设定速度，自动驾驶汽车。
整个过程需要瞬间完成，延迟必须控制在毫秒甚至微秒，以保证自动驾驶的驾驶安全。为了实现瞬时处理、反馈、决策规划和执行的效果，中央处理器的计算能力非常高。
最难辨认的是突然出现的物体，路上的垃圾或者高速公路上被炸飞的塑料袋。在谷歌自动驾驶项目初期，遇到的最大情况是感知模块分不清物体是塑料袋还是飞得快的小孩。
车辆的“感官装置”与人类驾驶员的感官体验存在一定差距。
自动驾驶与
突发情况处理
对于意想不到的情况，人类大脑在处理问题时可以瞬间感受到信息，比如道路建设、车辆故障、树木倒下或恶劣天气，但机器非常困难。在下雪天，激光雷达系统必须仔细调整角度并仔细阅读，以使障碍物检测器忽略飘落的雪花。
人脑的大脑皮层有140亿个神经元，相当于140亿个处理器，其处理速度是10的16次方。如果我们想让现在的技术达到和人脑一样的效果，对计算能力的要求是相当高的。每秒的运算能力和运算次数要达到300万亿次，这样才能保证自动驾驶具备应对突发事件的能力。
如果一个人、一条狗或一辆车在行驶过程中突然靠近驾驶员，人脑会在几毫秒内做出反应并立即刹车。机器的第一反应往往是判断“这是什么？”然后用算法找出这是狗、人还是车，再决定刹车与否。就这么几步，我们需要足够的数据存储和快速的操作速度。
Waymo、特斯拉等头部公司正在深度培育深度学习、神经网络和行为预测，即利用数据集训练深度神经网络。对于深度神经网络，数据越多，精度越高。通过传感器数据的交叉分析，自动驾驶汽车将独立预测即将到来的情况，避免事故的发生。深度学习神经网络，尤其是数十万个神经网络，需要非常高的计算性能。GPU在处理复杂运算方面有着天然的优势：具有出色的并行矩阵计算能力，能够为神经网络的训练和分类提供显著的加速效果。
未来自动驾驶等功能每秒将产生1GB的数据流量。汽车将像一个移动智能设备，不仅具有自动数据采集的功能，还具有相应的算法来分析、处理和交互这些数据。汽车在发送和接收数据时，需要一定的存储空间来支持其数据分析和处理，以及数据安全和备份。
自动驾驶和无人驾驶是海量数据处理能力，海量的数据让自动驾驶汽车具备了“人工直觉”。随着技术的发展，目前，通过结合多个传感器的数据，汽车可以区分道路上的物体是否是硬障碍物。例如，该技术将比较以前在同一条道路上行驶的车辆收集的传感器数据。这种相互交流的过程被称为“团队学习”，以保护乘客和行人的安全。
自动驾驶与大数据
虽然自动驾驶汽车配备了摄像头和传感器，使它们能够观察周围的环境并与之互动，但如果它们不能获得可靠的数据流，并且知道周围的情况并预测未来，它们是完全无效的。一些自动驾驶汽车比汽油消耗数据更快。没有大数据，自动驾驶汽车什么也看不见。
大数据处理架构的意义在于：在云端实时处理来自自主车的道路数据，识别哪些可以用于未来的数据处理，更新数据；需要实时处理什么，相应的理解数据要传输给自主车等。在实现过程中，大数据处理技术架构需要根据自动驾驶的目的和实时路况，自主将云端存储的道路数据和道路上的交通标志数据传输到终端进行数据准备；根据自动驾驶的实时感知数据，还可以将其对影响自动驾驶的物体和各种模型的理解传输到计算终端。例如，对于公交车，它可以将公交路线、到达和历史行为的理解模型传输到终端。
自动驾驶汽车每8小时将产生和消耗约40TB的数据，这意味着自动驾驶汽车对数据的依赖程度至少与化石燃料或电力相当。自动驾驶汽车根本无法安全行驶，除非它们能够获得大量数据，这些数据可以用来做出明智的决策。此外，随着时间的推移，支持它们的技术变得更加复杂，它们将需要更多的数据。
最直观的体现就是用来感知道路环境的摄像头，一般都是密密麻麻的车，数量大概在12个左右。为了识别障碍物，处理器需要对多通道摄像头拍摄的实时数据进行分析，而单个1080P高清摄像头每秒可以产生1G以上的数据，数据量不小。为了准确识别图像和视频中的有效信息，行业必须采用深度学习神经网络。
未来，物联网将有效地成为构成大多数现代网络工具、传感器和设备的网格。物联网的一个重要方面是数据共享频繁且广泛，每天有数十亿个传感器、设备和其他小工具相互通信。为了让自动驾驶汽车成为现实，我们需要不断扩展物联网，同时继续创造数据透明的文化，促进所有人的共享和可访问性。
如果自动驾驶要有广阔的前景，科技公司和汽车制造商需要聚集在一起，以比以往任何时候都更有效的方式收集、处理、共享和利用数据。功能越先进，需要处理的数据就越多。未来，或许自动驾驶汽车的品类将从“汽车”向“高科技设备”转变，逐渐成为像PC或智能手机那样的“数据”产品。实现自动驾驶宏伟目标的关键是充分利用数据共享的力量。
在数据为王的时代，自动驾驶汽车的“智能人工大脑”——大数据才是自动驾驶汽车真正的未来。
下一篇：返回列表
